Алгоритм, использующий метод ветвей и границ

Алгоритм, использующий метод ветвей и границ [c.248]

Для решения указанных задач, возникающих при разработке алгоритмов синтеза ХТС на основе теории элементарной декомпозиции и декомпозиционного принципа, необходимо широко использовать методы теории графов, методы эвристического программирования, специальные методы решения экстремальных комбинаторных задач (например, метод ветвей и границ), методы адаптации, обучения и самообучения, методы целочисленного линейного программирования, методы статического моделирования и другие современные математические методы общей теории систем. [c.156]

Прямой перебор вариантов схем с ростом числа потоков практически невозможен из-за высокой размерности задачи. Практически уже для шестипоточной схемы необходимо рассмотреть 10 вариантов схемы Поэтому использование эвристик и допущений весьма желательно. Так, алгоритм, построенный на эвристике (8.24), позволяет решать задачи разумной размерности [18]. Прав- да, метод может давать иногда заведомо неоптимальные решения, что приводит к необходимости использовать другие эвристики в таких ситуациях. Эта эвристика совместно с запретом на рекуперацию очень малых количеств тепла используется для синтеза теплообменной системы в сочетании с методом ветвей и границ [19]. Основным требованием к синтезируемой схеме является максимальная степень рекуперации тепла. Сочетание стратегии метода декомпозиции с эвристическими правилами было положено в основу декомпозиционно-эвристического алгоритма с обучением [5]. [c.458]

Из второй группы методов применительно к определенным задачам используются градиентный, наискорейшего спуска, покоординатного спуска, релаксационный, динамического программирования, метод ветвей и границ. Рассмотрим кратко применение градиентного метода для оптимального распределения элек--трической нагрузки. При использовании других методов алгоритм изменяется главным образом в отношении условий и способов выбора направления, а также величин шага итерации. [c.156]

Как было показано в разд. IV.5.4, дальнейшего сокращения дерева вариантов по сравнению с методом, который использует граничную оценку (IV.52), можно достичь, используя более точную, чем (IV.52), оценку для (Эб.шх в данной вершине s). Как правило, для комбинаторных задач оценка более точная, чем граничная оценка, теряет свойство быть границей. Если бы для какой-то комбинаторной задачи удалось построить достаточно точную оценку критерия оптимизации, да еще являющуюся верхней (или нижней) границей для значений критерия оптимизации, тогда решение этой задачи методом, изложенным в разд. IV.5.7 (см. рис. IV.33), могло бы происходить за один проход . Иными словами, на каждом уровне дерева вариантов выбиралась бы одна вершина с максимальной оценочной функцией, уменьшение оценочной функции по мере увеличения глубины дерева было бы маловероятным, поэтому маловероятным был бы и возврат на предыдущие уровни дерева к вершинам с большим, чем текущее, значением оценочной функции. Другими словами, число висячих вершин было бы равно минимальному iVvmm. дерево имело бы минимальное число ветвей, а целенаправленность поиска Р = N /N ,т была бы максимально высока для данного алгоритма поиска. [c.167]

Справочник химика 21

Химия и химическая технология